医学信息学概述.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,.,*,王 伟,吉林大学公共卫生学院,第,1,讲 医学信息学基础,（,Introduction to Medical Informatics,）,吉林大学医学信息学硕士学位课程,1,.,政策解读,2011,年,10,月十部委,医学科技发展“十二五”规划,，首次明确提出“发展医学信息学”，“开展数字化医疗技术研究”。,2016,年,6,月,21,日,国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见,提出，要“加强健康医疗信息化复合型人才队伍建设，强化医学信息学学科建设。”,2016,年,8,月,26,日中共中央政治局审议通过了“健康中国,2030”,规划纲要（习近平主持会议），提出加快构建“健康信息化服务体系”战略构想。,2,.,3,.,政策解读,“十二五”期间卫生信息化建设顶层设计,“,46312”,工程,国家卫生计生委统计信息中心主任、中国卫生信息学会常务副会长孟群在,2016,中国卫生信息技术交流大会上作了主题为“十三五我国信息化发展展望：融合互联网,+,拥抱大数据”的重要讲话，提出十三五医疗健康信息化发展的八个展望：,八个展望：,“,123456”,规划和设想,1,个大数据中心,2,个融合,技术与应用的融合；,3,个转变,由技术驱动向需求引领转变，由系统平台向集成平台转变，由传统医疗向主动医疗、精准医疗、智慧医疗；,4,项原则,坚持以居民健康为中心，坚持模式创新与便民惠民相结合，坚持促进与规范并重，坚持政府引导与社会广泛参与；,5,项重点：平台、标准、安全、法律法规、人才；,6,大应用：公共卫生、医疗服务、医疗保障、药品供应、计划生育、综合管理。,第二，四级平台互联互通信息网络建设基本形成,第三，互联网,+,医疗健康将到处广泛应用,第四，全生周期的卫生与健康服务基本建立，推动个人全生命周期的预防治疗康复连续服务和健康管理一体化,第五，医疗健康大数据开放应用体系基本形成,第六，医疗医药医保信息实时在线共享,第七，我国医疗健康产业潜力无限,第八，新技术将主推医疗健康卡创新与变革,课程内容：,总论,信息学基础,信息识别,信息资源,信息获取,数据管理,各论,四级平台,六大系统,三大数据库,国家卫生信息网络,标准与规范,信息安全,其他,移动,/,远程医疗,大数据与精准医学,信息保障,学科行业进展,本章内容：,一、信息增值链,信息是什么？,二、医学信息学的任务,学科干什么？,三、医疗卫生,CIO,我们做什么？,“满意原则”（,satisfaction,）,组织发展变化的不确定性（不确定信息）,信息的有限性和不完整性（不完全信息）,决策备选方案的有限性（未穷尽所有方案）,决策者对有限方案认识的局限性,一、从数据到情报：信息增值链,智能化水平,事务处理,/,操作,辅助医学决策,知识,knowledge,信息,information,数据,data,情报（智能）,intelligence,Layer 4,Layer 2,Layer 1,Layer 3,图,1-1,信息增殖链,1,、数据（,data,）,ISO,：,数据是对事实、概念或指令的一种特殊表达形式，这种特殊表达形式可以用人工的方式或者用自动化的装置进行通信、翻译、转换或者进行加工处理。,科学实验、检验、统计等所获得的和用于科学研究、技术设计、查证、决策等的数值。,未经加工的原始资料。,数据是客观对象的表示，而信息则是数据内涵的意义，是数据的内容和解释。,医学数据的类型：,叙述（,narrative,）：主诉、病史,测量数值（,numerical measurements,）：化验,编码数据（,coded data,）：疾病分类,文本数据（,textual data,）：病理报告,记录的信号（,recorded signals,）心电图,图像（,image,）：,X,线图像、超声波图像、,XT,计量资料：身高、体重、浓度,计数资料：人群血型分布,等级分组资料：尿糖化验结果的加号,医疗数据的变异,仪器,观察者,个体,总变异,生物学上的差异,分析或方法上的差异,医疗数据通常不能提供完全的信息，也不能用肯定程度来确认病人。一条数据可能因为不精确和,/,或不准确而偏离实际值。,数据变异程度的测量：精密度,/,正确度,/,精确度,精密度（,precision of measurement,）：,在相同条件下，多次反复测量获得的测量值之间的一致（符合）程度。反映的是测量值随机误差。,精密度高，不一定正确度也高。也就是说，测得值的随机误差小，不一定其系统误差也小。,真值,实测值,正确度高，精密度较差。,正确度（,correctness of measurement,）：,被测量的测得值与其“真值”的接近程度。正确度所反映的是测得值的系统误差。,正确度高，不一定精密度也高。也就是说，测得值的系统误差小，不一定其随机误差也小。,真值,实测值,精密度高，正确度较差。,精确度（,accuracy of measurement,）：,精确度（准确度）是指被测量的各测得值之间的一致程度以及与其“真值”的接近程度。,精确度是测得值的随机误差和系统误差的综合反映。,真值,实测值,医学信息研究：,正确度高（基本,/,实际要求）,精确度高（理想,/,理论要求）,（精准医学）,精确度（准确度）较高，精密度,/,正确度均较高。,数据科学,（,Dataology,，,Data Science,）,数据科学是个相当火爆但是定义始终模糊的概念，人人都在谈论，但是它到底是什么？或者这个学科与哪些领域相关？似乎并没有明确的说法。,17,.,Drew Conway,的,Venn Diagram,2010,年起，,Drew Conway,开始用一张维恩图（,Venn Diagram,），用不同的圆圈显示元素集合重叠区域来表示数据科学（,Data Science,）的范畴。,Conway,之后，不同的数据科学家也根据自己对数据科学的理解对这一维恩图进行了不同程度的删改和调整。,数据科学最相关知识来自三大基础领域,2010,年,Drew Conway,对数据科学的基本描述,实质性专业,（领域知识）,数学和统计学知识,黑客技能,（计算机知识）,2012,年,Brendan Tierne,对数据科学的描述,数据科学是个多学科的领域，数据科学的价值在于其所需技能的广度,2013,年,Ulrich Matter,对数据科学的描述,Drew Conway,版的再解释,数据驱动计算,社会,数据科学,Joel Grus,对数据科学的描述,National Security Agency,，国家安全局,斯诺登棱镜事件之后,罪恶,/,邪恶,网络入侵者,特工人员,2013,年,Harlan Harris,对数据科学的描述,从数据科学到数据产品,“计算机科学,/,黑客”作为“软件工程”存在,统计圈和软件工程圈的交集是实际应用的工具,电子表格,一次性分析,流病统计学程序,统计预测分析,可视化,2014,年,Steven Geringer,对数据科学的描述,独角兽（意思是像一个神兽一样，传言存在，但从来没有人在野外亲眼看到。）,称整个事情为“数据科学”,外延更广泛。,2014,年,Michael Malak,对数据科学的描述,三个危险区域（其中一个还是双重危）,在“领域知识”之外，增加了“社会科学”？,2014,年,Vincent Granville,Shelly Palmer,2015,年,Stephan Kolassa,2016,年,Matthew Mayo,与,Gregory Piatetsky-Shapiro,2016,年,Gartner,北京国双科技有限公司,中国企业级大数据分析软件提供商,维基百科上未来的数据科学维恩图,Data science,is an interdisciplinary field about processes and systems to extract knowledge or insights from data in various forms,either structured or unstructured,which is a continuation of some of the data analysis fields such as statistics,machine learning,data mining,and predictive analytics,similar to Knowledge Discovery in Databases(KDD).,Data scientists,use their data and analytical ability to find and interpret rich data sources;manage large amounts of data despite hardware,software,and bandwidth constraints;merge data sources;ensure consistency of datasets;create visualizations to aid in understanding data;build mathematical models using the data;and present and communicate the data insights/findings.,Data science,Data Mining,Data Analytics,Data Studies,Data Science and Management,Predictive Analytics,Business Analysis,Business Intelligence and Data Analytics,数据科学（,Data Science,）,利用计算机的运算能力对数据进行处理，研究探索,Cyberspace,中数据界（,datanature,）奥秘的理论、方法和技术，研究的对象是数据界中的数据，从数据中提取信息，进而形成“知识”。,研究数据本身,数据的各种类型、状态、属性及变化形式和变化规律，是关于数据的科学；,为自然科学和社会科学研究提供一种新的方法,科学研究的数据方法，其目的在于揭示自然界和人类行为现象和规律，是研究数据的科学。,三大核心技能,DATA HACKING,独立从各种各样的地方把数据化为己用的能力（,SQL/Programming/Hadoop/Exploratory analysis skills/R/Machine Learning,、,Data Mining/Modeling,）,PROBLEM SOLVING,从,what users say they want,到,what they actually meanPROBLEM SOLVING,！,COMMUNICATION,Presentation,，,Visualization,，,Development team,，,Domain knowledge,Computer Science,、,Information Science,、,Information Systems,、,Statistics,、,Business,相关岗位：核心能力：,算法工程师 编程能力,数据分析师 好奇心,技术支持工程师 解决问题的能力,产品经理 快速学习能力,机器学习软件工程师 数学基础,数据工程师 机器学习,大数据开发工程师 深度学习,数据平台工程师 创新激情,2,、信息（,information,）,C.E.Shannon,：不确定性减少的量（差）,Norbert Wiener,：与外界交换的东西。,GB/T 4894-1985,：,信息是物质存在的一种方式、形态或运动状态，也是事物的一种普遍属性，一般指数据、消息中所包含的意义，可以使消息中所描述事件的不定性减少。,信息是带有某种解释或者附加含义的成组的数据，是人们对数据进行系统组织、整理和分析，使其产生相关性，是数据处理的最终产品，是被解释了的数据，但没有与特定用户行动相关联。,信息论早已成为一门举足轻重的学科,艾尔伍德,香农,香农（,Claude Elwood Shannon,，,1916,年,4,月,30,日,2001,年,2,月,26,日）,数学家、电子工程师、密码学家、信息论创始人,1937,年的硕士论文将布尔代数和电子电路中开关和继电器的工作原理结合起来，创造性地提出：,所有的信息都可以用,0,和,1,来表示，,被誉为“,20,世纪最重要的硕士论文”。,博士论文,理论遗传学的代数学,二战期间，密码分析,密码破译和保密通信。,1948,年的,通信的数学原理,现代信息理论的基础。,会走迷宫的机械老鼠。世界上首个提出“计算机能够和人类下棋”的人（,1950,）。“杂耍学博士”证书。玩具大部分都是他亲手制作,语法语义语用信息,语法信息（,grammatical information,）,信息的最基本层次，又称句法信息，是认识主体感知或表述的事物运动状态和特征的形式化关系（符号表达）。,只在形式上反映和再现事物运动状态和方式的信息。如描述某一现象的数学公式或物理模型等，这一信息只涉及某一类运动的普遍规律，而不涉及具体的某一次过程。,语义信息（,semantic information,）,信息的第二个层次。是指认识主体所感知或所表述的事物的存在方式和运动状态的逻辑含义。,语义信息回答的是“信息运动状态及其状态变化方式的含义是什么”，是符号所要表达的确切含义,事物的概念。,语用信息（,pragmatic information,）,信息内容对信息使用者的有用性。,语用信息回答的是“这种含义的运动状态及其状态变化方式对观察者有什么样的价值和效用”。“效用”的大小取决于信宿对信息的需求状况。,3,、知识（,knowledge,）,韦伯斯特词典,（,Webster Dictionary,）的解释,辞源,的解释,国家科技领导小组办公室在,关于知识经济与国家知识基础设施的研究报告,：,知识是经过人的思维整理过的信息、数据、形象、意向、价值标准以及社会的其他符号化产物。,知识与行动和决策密切相关，反映了人们利用信息做出决策的行为能力。,知识创造与环境相关。,知识冰山模型（,Iceberg model,）,显性知识（,explicit knowledge,）,显性知识也称编码知识，人们可以通过口头传授、教科书、参考资料、期刊杂志、专利文献、视听媒体、软件和数据库等方式获取，可以通过语言、书籍、文字、数据库等编码方式传播，容易被人们学习的一类知识。,隐性知识（,tacit Knowledge,）,是指那种我们知道但难以言述的知识。,雷伯试验,20,世纪,60,年代，美国心理学家（,A.S.Reber,）在其有关人工语法概念学习的试验中发现，被试者在无意识条件下也能习得实验材料中蕴涵的语法规则，首次明确提出了“内隐学习”,（,implicit learning,）,这一概念，并将内隐学习界定为“无意识地获得关于刺激情境复杂知识的过程”。,实验组,人工语法结构,（辅音字母串）,对照组,随机排列语法,（辅音字母串）,打乱混合,可以有效区分,不能有效区分,隐含语法规则？,记忆字母串,显性知识与隐性知识的转化,群化（,Socialization,）,通过共享经验产生新的意会性知识的过程。,外化（,Externalization,）,把隐性知识表达出来成为显性知识的过程。,融合（,Combination,）,显性知识组合形成更复杂、更系统的显性知识体系的过程。,内化（,Internalization,）,把显性知识转变为隐性知识，成为企业的个人与团体的实际能力的过程 表,1,隐性知识与显性知识的转化关系。,隐性知识,显性知识,隐性知识 显性知识,群化,外化,内化,融合,图,1,知识转化的,SECI,模型,情形,1,：隐性知识,隐性知识的转化,在个人间分享隐性知识，是知识（意会知识）社会化的过程。,典型方式：观察、模仿和亲身实践等。,借助信息技术建立虚拟知识社区，为在更广范围内实现从隐性知识到隐性知识的转化创造了条件。,情形,2,：隐性知识,显性知识的转化,是对隐性知识的显性描述，将其转化为别人容易理解的形式。,典型方式：类比、隐喻和假设、倾听和深度会谈等。,当前的一些智能技术，如知识挖掘系统、商业智能、专家系统等，则为实现隐性知识的显性化提供了手段。,情形,3,：显性知识,显性知识的转化,知识组合,知识扩散,知识传承,知识创造,情形,4,：显性知识,隐性知识的转化,显性知识在员工间传播，员工接收了这些新知识后，可以将其用到工作中去，并创造出新的隐性知识。,典型方式：团体工作、在干中学习和在工作中培训等是实现显性知识隐性化的有效方法。,电子社区、,E-learning,系统等为实现显性知识,隐性知识的转化提供了一些协作工具。,4,、智慧,/,智能（,wisdom/intelligence,）,智慧（,wisdom,）,/,生物学,生物所具有的基于神经器官的一种高级的感知、知识、记忆、理解、联想、情感、逻辑、辨别、计算、分析、判断等综合能力（智者）。,智能（,intelligence,）,/,心理学,从“感觉,记忆,思维,行为,/,语言”的能力，是智力和能力的表现（脑科学,/,神经心理学）。,人工智能（,artificial intelligence,）,/,计算机,研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作的理论、方法和技术（自然语言处理、知识表现、智能搜索、推理、规划、机器学习、知识获取、感知问题，模式识别、逻辑程序设计、神经网络、复杂系统、遗传算法等）。,人工智能（,artificial intelligence,，,1956,）,机器学习（,machine learning,，,1986,）,人工神经网络（,artificial neural networks,，,1990,）,深度学习（,deep learning,，,2006,）,通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。,5,、情报,辞源,定敌情如何，而报于上官者。,辞海,战时关于敌情之报告，曰情报。,（军事,/,经济）情报（,intelligence,）,对从目标国家地区或行动的一个或诸多方面所能得到的、对制定计划具有现实或潜在意义的一切资料进行搜集、评价、分析、综合和译释的产物。,（科学,/,文化）情报（,information,intelligence,wisdom,）,在特定时间、特定状态下，对特定的人提供有用知识，是使人原有的知识结构发生变化的那一小部分知识，是被“激活”了的知识，是决策所需要的知识和智慧。,中华医学百科全书,医学信息学卷,（编辑中）,医学情报（,medical intelligence,）,医药卫生领域科技发展与管理决策所需要的知识和智慧，即情报提供者针对用户的特定需要，有意识地搜集与医药卫生领域有关的具有现实意义或潜在意义的事实、数据、信息和知识，经过有序化加工处理、深度分析和综合并通过一定的方式和渠道提供给特定用户的信息产品。,三个基本属性：知识性、传递性、有用性,6,、文献（,literature/document,）,宋代朱熹在,四书章句集注,中对“文献”一词解释为：“文，典籍也；献，贤也。”,国家标准（,GB3792.1-83,）：记录有知识的一切载体。,一次文献（,primary document,）,二次文献（,secondary document,）,三次文献（,tertiary document,）,7,、概念之间的联系,数据与信息,数据不等于信息，信息（,information,）是对数据的解释，是从数据中提取的有意义的或有用的事实，也即被解释了的数据称为信息，信息是数据处理的最终产品。,信息与知识,知识是加工过的信息，知识包含于信息，知识是信息的子集。,知识与情报,情报是在特定时间、特定状态下，对特定的人提供的有用知识，知识（感性,/,理性）是情报产生的基础。,文献,数据、信息、知识、情报的物质载体。,智能（人工智能）,使客观的数据、信息、知识“活”起来的手段，高效率完成人的智力才能胜任的工作。,KS+I=KS+S,决策循环,知识循环,观察,计划,推理,患者,数据,信息,知识,决策,（治疗等）,图,1-3,医疗过程中的数据、信息与知识（,1,）,符号,处理,解释,数据,信息,数字、字母、标点,39.5,逻辑思维（简单数据）,有序化组织（复杂数据）,症状、体征、辅助检查,肺炎导致体温升高,图,1-4,医疗过程中的数据、信息与知识（,2,）,39.5,知识,Medical intelligence,图,1-6,概念之间的转换,知识,knowledge,信息,information,数据,data,前瞻性,与行动相关,具有相关性,分散孤立,情报,intelligence,图,1-7,信息增殖链（,2,）,二、医学信息学的任务,1.,医学信息学的界定,20,世纪,70,年代后期，出现,medical informatics,，始于法语单词,informatique mdicale,medical computer science,medical information science,computers in medicine,health informatics,nursing informatics,dental informatics,MI Definitions,Major themes expressed include:,MI spans medical research,medical practice,and medical education,MI is more than the use of computers in medicine,MI includes information science as well as information technology,MI has an important“applied”component,MI crosses biomedical disciplines,MI crosses“hard science”and“soft science”boundaries,MI is broadly interdisciplinary,MI is recognized within the field as a separate sub-discipline of medicine,定义（,definition,）,研究对象,医学领域中的信息现象、信息活动和信息规律，包括数据、信息和知识三个层面的问题。,技术手段,与现代信息技术密切相关，现代信息技术的发展以及在医疗卫生领域中的应用是医学信息学发展的强大推动力，也是医学信息学交叉学科特点的最直接的体现。,学科的任务,通过对医学信息（数据）的挖掘、有效组织和管理，实现医学信息（知识）的充分利用和共享，提高医学决策与管理的效率和质量。,2.,社会,/,学科背景分析,社会对医学信息（公共资源,/,个体信息）的普遍需求是,MI,产生和发展的原动力。,信息与网络技术的发展是,MI,产生和发展的强大推动力。,医学信息与知识的一体化趋势是医学信息学产生和发展的内在原因。,医学信息资源（特别是医学文献）是医学信息学产生和发展的重要物质基础。,国家医疗卫生信息化发展战略为医学信息学产生和发展提供了机遇。,6 Research,，,Development,5 Therapy,，,Control,3 Computations,，,Automation,2 Storage,，,Retrieval,，,Data bases,4 Recognition,，,Diagnosis,1 Communication,，,Recording,man,computer,信息处理水平,复杂依赖程度,3.,医学信息学的知识结构,Decision Science,Biostatictics,Clinical Medicine,Basic Medical Sciences,Epidemiology,Bio-engineering,Computer Science,（,Software,）,Computer Science,（,Hardware,）,Medical,Infromatics,Technology,Engineering,Science,Education,Research,Y,Z,X,Research,Education,Administration,Practice,MEDICAL,INFORMATICS,Information Computers Communications,28,个目标,目标,应用领域,方法,医疗保健,公共卫生,医学研究,卫生教育,卫生管理,卫生图书馆,AMIA,医学信息学分类三轴体系,信息与知识表达 信息与知识处理 经验性研究,医学信息学所有的基础研究或应用研究项目都可以从本体论角度分析为：,应用某一个（或几个）“方法”，针对某一个“目标”，在某一个“应用领域”进行研究或应用。,4.,医学信息学研究范畴,可以概括为,4,个结构层次：,原始健康数据,从原始健康数据中分析出来的有组织的综合数据库,从数据库中抽象出来的知识库,从知识库中验证出来的可直接应用的知识结晶和理论,数据采集，数据集成等,数据存贮，数据提取，数据整合，数据仓库，数据模型，语义网络，数据可视化等,自然语言处理，信息抽取，数据挖掘，文本产生，统,计处理，自动学习等,知识管理：知识表达，知识模型，知识获取，机器学习，知识过程，决策理论，,IMIA,IMIA Working Groups and Special Interest Groups,WG01,：,Health and Medical Informatics Education,WG02,：,Consumer Health Informatics,WG03,：,Intelligent Data Analysis and Data Mining,WG04,：,Security in Health Information Systems,WG05,：,Primary Health Care Informatics,WG06,：,Medical Concept Representation,WG07,：,Biomedical Pattern Recognition,WG08,：,Mental Health Informatics,WG09,：,Health Informatics for Development,WG 10,：,Health Information Systems,WG 11,：,Dental Informatics,WG 12,：,Biomedical Statistics and Information Processing,WG 13,：,Organizational and Social Issues,WG 14,：,Work Station in Health Care,WG 15,：,Technology Assessment&Quality Development in Health Informatics,WG 16,：,Standards in Health Care Informatics,WG 17,：,Electronic Medical Record,WG 18,：,Telemetric in Health Care,大数据和生物医学信息学：机遇与挑战,医学大数据驱动大变革,科学和医学大数据：文献综述,Medinfo,，,IMIA,Stockholm,（,1974,）,Toronto,（,1977,）,Tokyo,（,1980,）,Amsterdam,（,1983,）,Washington,（,1986,）,Beijing/Singapore,（,1989,）,Geneva,（,1992,）,Vancouver,（,1995,）,Seoul,（,1998,）,London,（,2001,）,San Francisco,（,2004,）,Brisbane,（,2007,）,Cape Town,South Africa,（,2010,）,Copenhagen,，,Denmark,（,2013,）,Sao Paolo,Brazil,（,2015,）,Beijing,，,China,（,2017,）,From 2015 onwards,MedInfo will be held every two years,亢川博,王伟,张世玉,陶成琳,.,国内外医学信息学研究现状的可视化分析,J.,中华医学图书情报杂志,2016,08:24-30.,三、医学信息学教育,1.,教育目的：培养三类人才,普及型人才,懂得使用计算机、网络等各种信息资源，具有常识性信息技术知识（医务人员、科研人员等）。,计算机人才,包括软件、硬件、网络人才（软件,/,系统开发、设计、网络建设等）。,信息管理人才,CIO,（文献资源管理、信息系统规划、应用、维护与管理、情报研究、查新检索、信息咨询等）。,互联网,+,时代的,CIO,互联网,+,是信息化的高级阶段,传统行业,+,互联网或者是互联网,+,传统行业。,+,什么？,互联网的思维,互联网的技术,互联网的模式。,互联网,+,思维变革,最重要的是加两个思维：,用户思维。黏住用户（用户用我的服务、用户参与）。因为有了用户，才有背后的商业价值，因为有了用户才会把产品做得更好，因为有了用户才会得到更好的传播。,数据思维。用户创造了很多数据（用户行为数据、物联感知数据等），在数据基础上我们才可以做一些决策，用数据说话，基于数据驱动创新或者决策（用户画像，个性化推荐）。,互联网,+,技术变革,第一代的互联网技术：,http,，,tcp/ip,等。,现在的互联网公司核心技术：云、大、物、移。,云计算和大数据最核心的，是一种分布式并行计算。云计算能力是弹性可扩展的，通过软件方式实现高性能，软件定义一切。,移动互联网主要是在连接人，创造一些人的应用的各个场景；物联网是在连接物，创造一个个物的应用场景。,云计算和大数据在背后处理大的数据量。,互联网,+,模式变革,互联网模式的特点：,增长规律。既有规模经济的特点也有范围经济的特点。与传统产业不同，互联网规模越大越经济、范围越大越经济。,边际成本。随着范围的增长可能会有点长长的“尾巴”，因为增值服务会有很多。,营销手段。营销方式是社会化营销（朋友圈、粉丝经济，湿营销等）。,产品模式。用户量做大了，本身就成为了一个平台。简约、极致、快速迭代。互联产品需要不断迭代、快速迭代。,生态。互联、开放数据、开放,API,、众包、众筹、与碎片化需求对接等。,互联网,+,机会变革,业务互联网化,业务模式要互联网化：众包、众筹、,O2O,、新的自媒体营销、个性化定制等。,技术互联网化,新的模式包括：网络平台,+App,、网络规模,IT,、敏捷开发、快速迭代、,WOA,、微服务架构等。,互联网,+,时代,CIO,的使命和职责,传统的,CIO,支撑业务更好的运营。,互联网,+,时代的,CIO,支撑业务更好的运营。,利用互联网技术实现新的应用。,实现与外部合作伙伴的互联。,支撑决策：互联网转型战略与计划。,要做互联网,+,互联网的技术是必然的选择。,基本技术：硬、软件、应用,核心技术：云、大、物、移,目标：数据,-,信息,-,知识,-,智慧,116,.,2.,教育内容：,提高信息素养（,literacy,）,信息意识（,information consciousness,）,信息能力（,information competence,）,“,干”字形知识结构,Medical/Pharmaceutical Knowledge,Methodology,Management/Information Knowledge,Information,Technology,，,Consciousness,&,Competence,3.,国际教育机构,美,亚利桑那卫生科学院,美,克里夫兰临床基金 综合内科医学部,美,哥伦比亚大学医学中心,美,哈佛大学和麻省技术研究所卫生科学和技术部,美,威斯康星医学院和密尔沃基工程学院,美,俄勒冈卫生科学大学医学院,美,斯坦福大学医学院,美,加利福利亚大学（戴维斯）卫生技术中心,美,加利福利亚大学（旧金山）医学院,美,新泽西医学和牙科大学卫生相关专业学院,美,迈阿密大学文学和科学学院计算机科学系,美,新墨西哥大学卫生科学中心,美,北卡罗莱那大学医学院生物医学工程专业,美,匹兹堡大学生物医学信息学中心,美,犹他大学医学院医学信息学系,美,华盛顿大学（西雅图）医学院,美,威斯康星大学医学院生物统计和医学信息学系,美,范德比尔特大学医学中心生物医学信息学系,美,新泽西技术研究所计算机和信息科学系,美,耶鲁大学医学院,德,海德堡大学,荷,阿姆斯特丹大学,丹,奥尔堡大学,韩,庆北大学等,19,所院校,4.,核心课程,Introduction Medical Informatics,Medical Informatics Case Study Seminar,Health Care Concept Representation,Medical Decision Making/Knowledge Engineering,Clinical/Computing System,Medical Database,Clinical Science For Nor-MDs,Medical Coding and Classification,Medical Language Processing,Health Information systems Architecture,Clinical Decision Support Systems,Clinical Data Collection and Acquisition,4.,核心课程,Evaluation Methods,Medical Informatics Projects,Special Topics in Medical Informatics,Medical Information,Clinical Multimedia and the Internet,Medical Expert Systems,Digital Computers and Ambulatory Care,Human/Computer Interfaces,Principles of Genetics,Database Management and Engineering,Telehealth/Telemedicine,Ethics in Medical Informatics,5.,国际组织,1985-1987 2000-2011,1985 2000 2011,全国高校医药信息专业设置增长变化情况,信息管理与信息系统专业（,110102,）,医学信息学专业（,070408W,）,医学信息工程专业（,080624S/080711T,）,逐年分布,累积分布,医学信息学,群建构理论,学科群,多学科支撑建设,专业群,多专业人才培养,学会群,多学会学术交流,专家群,多领域专家协同,用户群,多类型实践应用,课程考核,内容要求：,一组（社医卫管,8,人）：国内专题综述,二组（医学信息,5,人）：国外专题综述,完成时间：,一组：,2016,年,11,月,14,日